As the population ages, the number of people with Alzheimer’s disease is increasing dramatically. However, the use of functional Magnetic Resonance Imaging (fMRI) as a method for Alzheimer’s diagnosis has several challenges. Its high cost can limit accessibility, the process is time-consuming, and physical discomfort experienced during the procedure often leads to reluctance among potential patients. Hence, recent studies have shifted towards more cost-effective, time-efficient, portable, and motion-insensitive tools such as Electroencephalography (EEG) and functional Near-Infrared Spectroscopy (fNIRS) for diagnosing Alzheimer’s disease. The aim of this study is to use both EEG and fNIRS signal data collected through four simple tasks (resting state, oddball task, 1-back task, verbal fluency task) for Alzheimer classification, and to present an event-specific feature extraction method and feature selection method suitable for the data. EEG and fNIRS signals were collected from 144 subjects including 63 Healthy Controls (HC), 46 patients with Mild Cognitive Impairment (MCI), and 35 patients with Alzheimer’s Disease (AD). Through our proposed event-specific feature extraction method, we extracted distinct features from each EEG and fNIRS signal, and the Recursive Feature Elimination with Cross-Validation (RFECV) algorithm was utilized to select hybrid EEG-fNIRS features useful for Alzheimer classification. The finally selected features achieved high performance across all three metrics - accuracy, F1 score, and AUC, with respective scores of 0.813, 0.821, and 0.915. These findings demonstrate that the proposed method can be used in real-world clinical settings to diagnose Alzheimer’s stages, especially MCI.
인구 고령화 심화에 따라, 노인성 질환인 알츠하이머 치매 환자 수가 급격히 증가하고 있다. 하지만 알츠하이머 치매 진단을 위해 많이 사용되는 fMRI는 높은 비용으로 인해 접근성이 떨어지고, 검진에 많은 시간이 소요되며, 검진 중 움직임이 제한되어 사람들이 꺼려하는 경향이 있다. 따라서 최근에는 값싸고, 시간이 적게 걸리며, 휴대가 간편하고, 움직임에 덜 민감한 뇌전도(EEG)와 기능적 근적외선 분광법(fNIRS)을 이용한 치매진단 연구가 많이 진행되고 있다. 본 연구의 목표는 알츠하이머 치매 분류를 위해 간단하고 다양한 실험 데이터를 사용하고, 데이터에 알맞은 이벤트 관련 특징 추출 방법 및 특징선택 방법을 연구하는 것이다. 실험에는 63명의 정상인(HC), 46명의 경도인지장애(MCI) 환자, 35명의 알츠하이머 치매(AD) 환자가 참여하였고, 각 사람의 EEG와 fNIRS 신호는 Resting, Oddball, 1-back, Verbal fluency의 4가지 간단한 실험을 통해 수집되었다. 우리는 제안한 이벤트 관련 특징 추출 방법과 Recursive feature elimination with cross-validation (RFECV) 특징 선택 방법을 사용하여 높은 치매단계 분류성능의 hybrid EEG-fNIRS 특징들을 추출 및 선별하였다. 최종 선별된 특징들은 accuracy, F1 score, AUC의 세 가지 metric에서 각각 0.813, 0.821, 0.915의 높은 성능을 달성하였다. 이는 연구에서 제안한 hybrid EEG-fNIRS 특징 추출 및 선택 방법이 치매 및 전조증상을 진단하기 위한 실제 의학적 환경에 활용될 수 있다는 것을 보여준다.
